需要金幣： 1000 個(gè)金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：8407 |  | |
| 折扣與優(yōu)惠：團(tuán)購(gòu)最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要:隨著經(jīng)濟(jì)的快速發(fā)展和社會(huì)的不斷進(jìn)步，人類社會(huì)對(duì)于自動(dòng)識(shí)別身份的要求越來(lái)越高。人臉識(shí)別由于不涉及隱私，同時(shí)具有直接、方便、快速的特點(diǎn)，被越來(lái)越多的領(lǐng)域使用，更成為人工智能領(lǐng)域和當(dāng)前模式識(shí)別的研究熱點(diǎn)。人臉對(duì)齊是指通過(guò)對(duì)人臉圖像進(jìn)行縮放、旋轉(zhuǎn)、切割等操作，使所有人臉圖像依照某種標(biāo)準(zhǔn)規(guī)范化的過(guò)程。人臉關(guān)鍵點(diǎn)是指人臉的嘴角、鼻頭、眼角等一些具有特征的區(qū)域。人臉關(guān)鍵點(diǎn)的檢測(cè)和定位對(duì)人臉識(shí)別有很大的作用。而人類面部形式多樣、計(jì)算區(qū)域面積小，并受光源、膚色、遮蓋物等因素影響，使得人臉關(guān)鍵點(diǎn)的檢測(cè)和定位變得極其復(fù)雜。因此，相關(guān)領(lǐng)域?qū)⒖焖偾覝?zhǔn)確地識(shí)別人臉關(guān)鍵點(diǎn)問(wèn)題的解決作為其研究重點(diǎn)。 此文總體上采用了隨機(jī)森林和全局線性回歸相結(jié)合的方法，實(shí)現(xiàn)了對(duì)人臉關(guān)鍵點(diǎn)的高速檢測(cè)。首先利用局部性原理獨(dú)立地學(xué)習(xí)每個(gè)人臉關(guān)鍵點(diǎn)的局部二值特征；然后對(duì)得到的局部二值特征做全局線性回歸，以此作為最后的輸出。因?yàn)樘崛『突貧w局部二值特征的計(jì)算代價(jià)很小，所以我們的方法要比之前的快得多。
關(guān)鍵詞：人臉識(shí)別；人臉對(duì)齊；局部二值特征；全局線性回歸
目錄 摘要 Abstract 1 緒論-1 1.1 研究背景及意義-1 1.2 開(kāi)發(fā)平臺(tái)-1 1.3 相關(guān)工具-1 1.3.1 OpenCV簡(jiǎn)介-1 1.3.2 OpenCV下載與安裝-1 1.3.3 Visual Studio簡(jiǎn)介-2 1.4 環(huán)境配置-2 1.4.1 OpenCV環(huán)境配置-2 1.4.2 Visual Studio 2013+OpenCV3.1.0配置-3 1.4.3 OpenMP配置-5 1.5 相關(guān)概念-6 1.6 決策樹(shù)-7 1.6.1 決策樹(shù)模型-7 1.6.2 決策樹(shù)的優(yōu)缺點(diǎn)-8 2 系統(tǒng)實(shí)現(xiàn)-9 2.1 總體思路-9 2.2 系統(tǒng)實(shí)現(xiàn)-9 2.2.1 Shape-indexed 特征-9 2.2.2 隨機(jī)樹(shù)的訓(xùn)練-9 2.2.3 隨機(jī)森林的并行訓(xùn)練-10 2.2.4 局部二值特征-11 2.2.5 全局線性回歸訓(xùn)練-11 2.2.6 局部區(qū)域半徑-12 3 獲取數(shù)據(jù)-14 3.1 使用數(shù)據(jù)庫(kù)介紹-14 3.2 數(shù)據(jù)預(yù)處理-14 3.3 數(shù)據(jù)的批量處理-15 3.4 訓(xùn)練模型-16 4 測(cè)試結(jié)果-17 5 系統(tǒng)優(yōu)點(diǎn)-18 5.1 Φt和Wt的兩步學(xué)習(xí)-18 5.2 全局回歸-18 6 不足之處-19 6.1 速度問(wèn)題-19 6.2 人臉檢測(cè)問(wèn)題-19 6.3 比較不足-19 結(jié)論-20 參考文獻(xiàn)-21 致 謝-22 |
